Σύμφωνα με τους ερευνητές της Microsoft το νέο εργαλείο μπορεί να πάρει μια εικόνα ενός προσώπου και τον ήχο από κάποιο άλλο πρόσωπο για να δημιουργήσει ένα αληθοφανές βίντεο της ακίνητης εικόνας να μιλάει.
Ειδικά για το βίντεο με τη Μόνα Λίζα οι ερευνητές χρησιμοποίησαν τον κωμικό τρόπο με τον οποίο ερμήνευσε η Αν Χάθαγουεϊ το τραγούδι «Paparazzi».
Για την ώρα η Microsoft λέει ότι δεν είναι στα άμεσα σχεδιά της να κυκλοφορήσει στο κοινό το VASA-1.
Όπως εξήγησαν οι ερευνητές της εταιρείας το εργαλείο αυτό είναι σχεδιασμένο να αναγνωρίζει τις κινήσεις του κεφαλιού συμπεριλαμβανομένων, μεταξύ άλλων, της κίνησης των χειλιών, των εκφράσεων, του βλέμματος των ματιών, του ανοιγοκλεισίματος των ματιών.
Πηγή: protothema.gr
Microsoft just dropped VASA-1.
— Min Choi (@minchoi) April 18, 2024
This AI can make single image sing and talk from audio reference expressively. Similar to EMO from Alibaba
10 wild examples:
1. Mona Lisa rapping Paparazzi pic.twitter.com/LSGF3mMVnD